Replenishment und Price Optimization bei OTTO

Transkript

1 Replenishment und Price Optimization bei OTTO Wie der Multichannel-Händler mihilfe von künstlicher Intelligenz seine Kunden begeistert und gleichzeitig den Umsatz steigert

2 02 Case Study Wie OTTO mit künstlicher Intelligenz die Customer Experience verbessert Um dem hohen Konkurrenzdruck im E-Commerce und den sich häufig ändernden Trends der Modebranche gerecht zu werden, setzt OTTO auf künstliche Intelligenz (KI). Das Wettbewerbsumfeld des Multichannel-Händlers OTTO ist geprägt von niedrigen Margen, hohem Konkurrenzdruck sowie sich immer schneller ändernden Marktbedingungen und Kundenanforderungen. Entscheidungsprozesse werden von immensen Datenmengen, einer Vielzahl von Einflussfaktoren, permanentem Handlungsbedarf in Echtzeit und hohem Zeitdruck bestimmt. Das positive Kundenerlebnis und der zufriedene Kunde stehen bei OTTO im Mittelpunkt. Um den Kunden zu begeistern und zu binden, muss OTTO alles auf einer einzigen Plattform bieten: ein umfangreiches Artikelangebot zu wettbewerbsfähigen Preisen sowie einen sehr guten Service. Attraktive Angebote, hohe Warenverfügbarkeit und kurze Lieferzeiten sind dabei die erfolgsentscheidenden Faktoren. All diese Anforderungen spielen ineinander und müssen gelöst werden. Nur wer das schafft, kann heute im harten Wettbewerb überleben und erfolgreich sein. Die Projekte Herausforderungen Profitabilität steigern Den wachsenden Kunden anforderungen gerecht werden Die Sortimentsplanung besser steuern Warenverfügbarkeit sicherstellen und Lieferzeiten verkürzen Abverkauf von Waren bis zum Saisonende Retourenquoten senken Blue Yonder Lösungen im Einsatz Demand Forecast & Replenishment Price Optimization Die Ergebnisse Demand Forecast & Replenishment Verbesserung der Prognosequalität Senkung der Restbestände Verkürzung der Lieferzeiten Versandkostenreduzierung durch eine Optimierung des Sendungsschnitts Senkung der Retourenquote Preisoptimierung Umsatzsteigerung durch eine erhöhte Nachfrage Gewinnmaximierung durch intelligente Preisgestaltung OTTO meistert dies zusammen mit Blue Yonder. Die KI-Lösungen helfen dem Handelsunternehmen nicht nur, mit datenbasierten Entscheidungen die Customer Experience zu verbessern, sondern gleichzeitig den Umsatz zu erhöhen, Lagerbestände zu reduzieren und Retouren zu verringern. Über OTTO Blue Yonder entwickelt gemeinsam mit OTTO seine KI-Lösungen permanent und praxisorientiert weiter. Die Lösungen passen sich schnell und flexibel den veränderten Marktbedingungen an und ermöglichen es OTTO, betriebswirtschaftlich bessere Ergebnisse zu erzielen. Der deutsche Multichannel-Händler OTTO mit Hauptsitz in Hamburg hat den Übergang vom klassischen Versandhändler zum Onlinehändler durch permanente Anpassung seiner Geschäftsprozesse und Neuausrichtung des Unternehmens erfolgreich gemeistert. Den Mittelpunkt des heutigen Geschäfts bildet der Onlineshop otto.de mit einem Anteil von über 90 % am Gesamtjahresumsatz von mehr als 2,563 Milliarden Euro (GJ 2015/16). Eine der Grundvoraussetzungen für diese positive Entwicklung ist das umfassende Sortimentsangebot. Neben Mode und Technik werden unter anderem auch Möbel, Sportartikel, Schuhe und Spielzeug angeboten. Insgesamt führt der Onlineshop rund Marken und mehr als 2,2 Millionen Artikelpositionen (inkl. ca. 1 Million Partnerartikel).

3 04 Case Study Case Study 05 Wie OTTO seine Warenverfügbarkeit sicherstellt und seine Restbestände senkt Der Fashion- und Lifestylehandel ist ein stark saisonabhängiges Geschäft. Einerseits muss für die gesamte Saison die Warenverfügbarkeit sichergestellt werden, andererseits sollten am Saisonende die Lager geräumt und möglichst wenige Restbestände übrig sein. Um diese Gratwanderung zu schaffen und gleichzeitig den betriebswirtschaftlichen Erfolg sicherzustellen, muss OTTO sein umfangreiches Produktangebot in einem optimalen Zusammenspiel von Warenverfügbarkeit und Preisgestaltung für jeden einzelnen Artikel präzise steuern. Eine der größten Herausforderungen hierbei ist es, den voraussichtlichen Absatz eines Artikels frühzeitig vorherzusagen, denn der rentable Wareneinkauf entscheidet über den Gesamterfolg. Die wichtigste Aufgabe ist somit, permanent die richtigen Mengen zu identifizieren. Mit Blue Yonder konnte OTTO seine Lager zum Saisonende räumen Die Artikelabsatzprognose mit Blue Yonder ist heute bei OTTO fest in den operativen Geschäftsprozessen verankert. Täglich wird für jeden Artikel je Farbe und Größe eine aktualisierte Prognose auf Basis von Hunderten verschiedener Inputvariablen ermittelt (z. B. Marke, Preis, Onlineplatzierung, Bestandssituation, Wetter). Hierzu übergibt OTTO wöchentlich Millionen Datensätze an Blue Yonder. Jedes Jahr werden somit rund 5 Milliarden Prognosen erstellt. Ein großer betriebswirtschaftlicher Erfolg Die Prognosequalität je Artikel verbesserte sich gegenüber den herkömmlichen Verfahren und die Restbestände am Saisonende konnten gesenkt werden. Bereits seit mehreren Jahren arbeitet OTTO eng mit Blue Yonder zusammen, um präzise Absatzprognosen auf Einzelartikelebene zu erhalten. Auf Basis von historischen Daten mit unterschiedlichsten Inputvariablen wurden die Algorithmen von Blue Yonder trainiert. Durch den Machine-Learning-Ansatz überprüft die Lösung permanent ihre eigene Prognosequalität und lernt aus vergangenen Ereignissen. Durch die KI-Lösung wird die Qualität der Entscheidungen ständig optimiert. So bekommen wir präzise Ergebnisse, die uns helfen, unser Sortiment zukunftsorientiert zu planen und zu steuern. Mathias Stüben Bereichsleiter Category Prozesse, OTTO

4 06 Case Study Case Study 07 Wie OTTO die Lieferzeiten seiner Partnerprodukte verkürzt In seinem Onlineshop arbeitet OTTO eng mit namhaften Handelspartnern zusammen. Auf einer Markenplattform präsentiert das Unternehmen eine Sortimentsauswahl bekannter Markenunternehmen. Das Angebot wird gemeinsam festgelegt, die Pflege der Sortimente erfolgt durch die Partner selbst. Die Lieferung wird von OTTO gemanagt. Nach jahrelanger Zusammenarbeit mit Blue Yonder und hervorragenden Ergebnissen bei den Absatzprognosen testete OTTO Blue Yonder Demand Forecast & Replenishment für die Warendisposition mit einer Auswahl von Partnern. Die Ergebnisse überzeugten auch hier, sodass OTTO inzwischen fast die gesamte Warendisposition seiner Partnerprodukte automatisiert mit der KI-Lösung von Blue Yonder abwickelt. Umfang des Projekts Partnerplattform Sortimente Umsetzung des Mehrwerts Herren-, Damen- und Sportmode, Multimedia Konzeption: 18 Tage Implementierung: 125 Tage (ohne Multimedia) Die Herausforderung: zu lange Lieferzeiten und kostspielige Retouren Die Lieferungen von Fremdmarken an die Kunden dauerten zwischen fünf und sieben Tagen. Im Vergleich dazu beträgt die Lieferzeit von OTTO-Eigenmarken zwischen ein und zwei Tagen. Die höheren Lieferzeiten bei den Fremdartikeln kam durch den Logistikprozess zustande: Eine Kundenbestellung über otto.de wurde an die Handelspartner weitergeleitet. Die gewünschte Ware wurde erst dann an das OTTO-Lager geschickt und von dort aus erfolgte der Versand an den Kunden. Diese sind heute jedoch kurze Lieferzeiten gewohnt und nehmen eine längere Wartezeit sehr negativ auf. Das zeigte sich deutlich in weniger Bestellungen und hohen Retourenquoten. Automatisierungsgrad Ergebnisse AB-Test Vorher: 0 % Mit Blue Yonder: 100 % Multimedia Steigerung des Umsatzes sowie Senkung der Stückretouren innerhalb von drei Monaten im Vergleich zur Referenzgruppe Mode Umsatzsteigerung durch Verbesserung der Verfügbarkeit sowie Senkung der Retourenquote Die Lösung: Blue Yonder Demand Forecast & Replenishment Um die Lieferzeiten zu verkürzen, benötigt OTTO präzise Vorhersagen über die Warenströme der Markenplattform, sowohl für Multimedia-Produkte als auch für Mode: Welche Artikel verkaufen sich in den kommenden Tagen wie oft, in welcher Größe und Stückzahl und mit welchen Produkteigenschaften? Das Ziel ist, die richtigen Waren auf Basis der Prognosen vorab zu bestellen und dadurch die Lieferung an den Kunden zu beschleunigen.

5 08 Case Study Case Study 09 Blue Yonder Demand Forecast & Replenishment liefert dazu täglich automatisierte Bestellentscheidungen mit einer extrem hohen Treffsicherheit. Für die Absatzprognosen zu den Markenprodukten wertet die Lösung rund drei Milliarden Transaktionen aus Abverkäufen, Preisen und Lagerbeständen aus und liefert im Voraus automatisierte Bestellentscheidungen. Die Ergebnisse: Kürzere Lieferzeiten und zufriedene Kunden Durch die treffsicheren Entscheidungen von Blue Yonder hat es OTTO geschafft, die Lieferfrist auch bei Partnerprodukten von fünf bis sieben auf ein bis zwei Tage zu verkürzen ohne dafür Überhänge im Lager zu riskieren. Die Ware wird immer häufiger erst gar nicht eingelagert, sondern geht direkt an den Kunden weiter. Mit dieser schnellen Lieferung verbessert sich die Kundenzufriedenheit und damit die Nachfrage nach Produkten. Weitere Ergebnisse: Senkung der Retourenquoten und Einsparungen im Versand Auch in anderen Bereichen zeigt die KI-Lösung von Blue Yonder positive Wirkung. Mit den automatisierten Dispositionsentscheidungen lässt sich die Zahl der Retouren minimieren, weil die Bestellungen sehr genau mit den prognostizierten Kundenwünschen übereinstimmen. Für OTTO und die Kunden gleichermaßen interessant ist zudem der bessere Sendungsschnitt. Pro Lieferung können mehr Artikel in einer Sendung zusammengefasst werden. Das freut die Kunden, die nicht mehr auf einzelne Artikel ihrer Bestellung länger warten müssen, und hilft OTTO Versandkosten zu senken und die CO 2 -Bilanz beim Transport der Waren zu verbessern. OTTO Zentrallager für Markenpartner: Warendisposition mit Blue Yonder Demand Forecast & Replenishment Herausforderung Lösung Ergebnisse Bis zu 200 Lieferanten Ca Marken Rund 1 Million SKUs Verwendung von 3 Milliarden historischer Datenpunkte Tägliche Prognosen für kommende Bedarfszeiträume Rollout innerhalb von 6 Monaten Deutliche Optimierung der Warenverfügbarkeit Abverkauf der georderten Ware innerhalb von 30 Tagen: 90 % Steigerung der Verkäufe und des Umsatzes Senkung der Retourenquote Der Nutzen der Blue Yonder Lösung erweist sich in der Praxis. Aus unserer Sicht sind die Absatzprognosen treffsicher, wenn wir bei unseren Handelspartnern georderte Artikel innerhalb von 30 Tagen abverkaufen. Mit Blue Yonder schaffen wir das zu 90 Prozent. Das ist für uns ein hervorragender Wert. Mathias Stüben Bereichsleiter Category Prozesse, OTTO

6 10 Case Study Case Study 11 Wie OTTO den optimalen Preis findet Welcher Preis ist für den Kunden attraktiv? Die Anforderungen an ein intelligentes Preismanagement sind heute im Onlinegeschäft ungleich höher als zu Katalogzeiten. Der Kunde erwartet stets einen angemessenen Preis; die Preistransparenz liegt insbesondere bei Markenware bei nahezu 100 %. Die Frage, die für jeden Artikel zu jeder Zeit gestellt werden muss, lautet: Welchen Preis ist der Kunde bereit zu zahlen? Der optimale Preis hängt von zahlreichen Einflussfaktoren ab, die täglich variieren können: Verfügbarkeit, Darstellung, Wettbewerb, Saison, Wochentag, Jahreszeit, Tageszeit, Wetter, Channel, Wettbewerbspreise u.v.m. Der richtige Preis zum richtigen Zeitpunkt steigert die Kundenzufriedenheit, steuert den Abverkauf und führt letztlich zu mehr Umsatz und Gewinn. Die Erfahrung zeigt außerdem, dass mit der optimierten Preissetzung auch die Retourenquote sinken kann. Proof of Concept und Projektstart Ausgangssituation Nur vereinzelt durchgeführte Preisoptimierungen ohne Systemansatz Hohe Systemkomplexität bei OTTO Projektziele Preisoptimierung, um Umsatz und Gewinn zu erhöhen sowie den Lagerbestand zu reduzieren Anwendbar auf alle Produktgruppen Hohe Prozessautomation Zuverlässiger Proof of Concept Projektbedingungen A/B-Tests unter realen Bedingungen Kleines Projektteam (OTTO/Blue Yonder), das mit allen relevanten Fachabteilungen bei OTTO in Verbindung steht! Verschiedene Teams bei OTTO und Blue Yonder, um die Ergebnisse zu prüfen und zu evaluieren Ob ein Handelsunternehmen erfolgreich ist, hängt von seiner Fähigkeit ab, sich schnell und flexibel den Veränderungen des dynamischen Marktes anzupassen. Das funktioniert nur, wenn der Händler Preisvorteile direkt an den Kunden weiterreichen kann. Sortimente Herren- und Damenmode Bettwäsche und Frottier Haus- und Heimtextil Multimedia Electronics

7 12 Case Study Case Study 13 Grundlage der Preisfindung ist der Blue Yonder Algorithmus datenbasiert, automatisiert und selbstlernend Preisgestaltung in der Vergangenheit Preisgestaltung mit Blue Yonder Das Finden des idealen Preises wird bei OTTO heute mit Unterstützung von Blue Yonder erfolgreich umgesetzt. Blue Yonder Price Optimization für E-Commerce testet und misst den Zusammenhang zwischen Preisänderung und Nachfrageverhalten. Basierend auf einer Reihe von Preis-Mengen-Paaren kann die Blue Yonder Lösung die Preiselastizität für jeden Artikel genau bestimmen. Die genaue Kenntnis der Preiselastizität ermöglicht es, den idealen Preispunkt für ein Produkt gemäß der gewählten Preisstrategie zu finden. Auf Basis der Ergebnisse legt die Lösung täglich umsatz- und/oder gewinnsteigernde Preise automatisiert fest und sichert durch optimierte Preisabschläge über die gesamte Saison einen kontinuierlichen Abverkauf. Preistests on- und offline Komplexer, kostenintensiver Prozess Nur für eine bestimmte Artikelauswahl anwendbar Einzeltest Messung der Preiselastizität Automatisierter, datenbasierter Prozess Für alle Artikel anwendbar Kontinuierliche Preisoptimierung auf Basis von KI-Algorithmen Umsatz- und Renditesteigerung In einem halbjährigen Pilotprojekt im Bereich Herrenmode testete OTTO, wie die Preissetzung automatisiert werden kann, um den Umsatz und die Rendite zu steigern. Mit beeindruckenden Resultaten: Blue Yonder war durch automatisierte Preisentscheidungen für NOS-Artikel und Saisonware (optimierte Preisabschläge) in der Lage, gleichzeitig den Absatz, den Umsatz und das Geschäftsergebnis signifikant zu optimieren. Blue Yonder Price Optimization wird inzwischen in vielen wichtigen Sortimenten erfolgreich eingesetzt: Herren- und Damenmode, Bettwäsche und Frottier, Haus- und Heimtextil sowie Multimedia. Im Multimedia-Sortiment wurden erstmalig auch Wettbewerbspreise im Preisalgorithmus berücksichtigt. Nicht nur konnte der Umsatz erhöht, sondern durch die wettbewerbsfähigen, attraktiven Preise auch die Retourenquote deutlich gesenkt werden. Signifikante Bestandsreduzierung mit Price Optimization Bisher Price Optimization

8 14 Case Study Case Study 15 Über Blue Yonder Blue Yonder ermöglicht es Handelsunternehmen, ihre Kernprozesse grundlegend umzugestalten. Mit der Automatisierung komplexer Entscheidungen auf Basis von künstlicher Intelligenz (KI) lassen sich der Gewinn und der Kundennutzen deutlich steigern. Durch die Integration von KI in die Supply Chain und Merchandising- Prozesse können Händler wesentlich schneller auf die Herausforderungen des dynamischen Marktes reagieren und dadurch sowohl ihren Umsatz als auch ihre Margen erhöhen. Unsere Lösungen, die von einem der größten Teams promovierter und auf den Handel spezialisierter Data Scientists entwickelt wurden, liefern internationalen Kunden aus dem Lebensmittel- und Modehandel sowie weiteren Handelssparten täglich 600 Millionen Entscheidungen. Blue Yonder wurde 2008 vom ehemaligen CERN-Forscher Prof. Dr. Michael Feindt in Karlsruhe gegründet und seither vielfach ausgezeichnet, unter anderem mit dem Experton Big Data Leader Award 2016, dem BT Retail Week Technology Award, dem Deutschen Innovationspreis 2015, dem IGD Award 2017 und als Top-100-Innovator Blue Yonder stellt seine Lösungen über Microsoft Azure bereit.

9 Blue Yonder Best decisions, delivered daily Blue Yonder GmbH Ohiostraße Karlsruhe Germany Blue Yonder Software Limited 19 Eastbourne Terrace London, W2 6LG United Kingdom Blue Yonder Analytics, Inc Tennyson Parkway, Suite 250 Plano, Texas USA info@blue-yonder.com blue-yonder.com